O primeiro professor de um robô não é um conjunto de dados. É o ambiente.

Um robô pode ser treinado com milhões de exemplos e ainda assim se deparar com uma situação que nunca viu antes.
Uma superfície é mais escorregadia do que o esperado, um objeto é ligeiramente mais pesado, o chão não é uniforme, uma pegada falha, um movimento precisa ser corrigido no meio da execução; o mundo não segue uma sequência perfeitamente roteirizada.
É aqui que a inteligência corporificada começa a se separar do #AI. A dataset can show a #robô convencional: em vez de apenas o que um objeto parece ou de como uma ação deveria acontecer, ambientes reais introduzem variáveis que nem sempre dá para antecipar com antecedência. O robô precisa responder ao que de fato acontece.
Por isso, a 𝗧𝗲𝗹𝗲𝗼𝗽𝗲𝗿𝗮çã𝗼 em ambiente real é tão valiosa. Operadores humanos trazem a capacidade de navegar pela incerteza e se adaptar a condições que nunca foram programadas explicitamente. As ações deles expõem os robôs à relação entre movimento e consequência: o que acontece quando uma pegada é fraca demais, quando uma trajetória está um pouco errada ou quando um obstáculo inesperado muda a tarefa.
@InvLambda está construindo em cima dessa camada com humanos no loop, usando teleoperação para criar dados de interação mais ricos entre ambientes simulados e físicos. Operadores humanos fornecem a inteligência adaptativa; o ambiente do robô fornece as consequências; e os dados resultantes se tornam a base para desenvolver uma IA corporificada mais capaz.
Um robô não pode aprender inteligência física apenas estudando o que aconteceu antes; ele precisa encontrar o mundo, responder a ele e aprender com o que acontece em seguida.
#InvertedLambdaTheBreach #InvertedLambda #Robotics #Teleoperation #SecondContact #SecondContactTheBreach